等线摘要：对于互联网金融来说，风控是核心竞争力，网贷平台你我贷利用大数据相关技术应用，将风险量化，指导网贷业务开展，让互联网金融呈现出越来越多的可能，助力“普惠金融”目标实现。
“如果不是圈内的人士，很多人都会感到大数据金融变得声势渐微。”
这是前几日与一位朋友闲聊时，他的一句感叹。在他感叹的话语间其实影射地是两个问题：1.曾经是谁为大数据金融造出了浩大的声势？2.大数据为我们的金融生活带来了什么改变？
时至今日，大数据相关的技术已经令诸多行业产生了深刻的变革，尤其是以数据为核心的金融行业，迅速的向全数据模式、量化思维发展。我们每个人在生活中的行为，都被逐步转化成不同类型的数据，并进行记录、构筑、分析、使用。
但对于许多人而言，获取到“大数据金融”这个词汇是通过国内近几年蓬勃发展的互联网金融得到宣传普及。霎时间，能与大数据金融绑定，便能高屋建瓴，势不可挡。
为什么“大数据金融”得到网贷行业的热捧？
很多人普遍认为“借贷”的诞生是在现代商品经济产生之后才拥有的，其实不然。我国的借贷历史可以追溯到夏商周时期。而且“信贷”的产生是早于抵押贷款的。
在战国时期，放贷取息已经非常普遍了。公元前300年，孟尝君在自己的封邑薛地放债取息，作为奉养三千门客的财源。有一年，薛地歉收，很多人没交利息，他派人催收，仍“得息钱十万”，可见放债的规模已经相当大。而此时，还出现了一种高息借贷形式，即“高利贷”。据《管子》中记载，春秋时期齐国西部谷物借贷的半年利率甚至高达100%，而在利息率最低的北方借贷利率也达到20%。可见当时借款利息之高。
在唐朝，抵押放款得到了较大的发展。民间借贷大概有两种形式：信用放款和抵押放款。信用放款就是放贷求利；抵押放款最常见的就是当铺，唐朝时被称为质库。
敦煌、吐鲁番等地曾经出土唐朝大批借贷契据的文书，忠实地展现了古代民间借贷的面貌。唐朝的银钱有息借贷的标准契约当数《唐乾封三年(公元688年)张善举钱契》。这一契约的核心部分是“举取银钱贰拾文，月别生利银钱贰文”，意思是，月利率为10%，即年利率为120%。同时契约中还规定：“到月满张即须送利。”众所周知，每月送利和到期一次性还本付息，其实际收益是有差别的，且这种差率随借贷额高低而相应浮动。我国民间的私人借贷，尤其是在江浙一带，至今仍保留这种按月送利方式，可为古代信用借贷之印证。另外契约没有写明还贷期限，而是规定“到左须钱之日，张并须本利酬还”。这个条件也是颇为苛刻的，因对债务人来说面临着无法预料的须立即还贷的风险。
到了近代银行业产生以后，信贷业务作为商业银行重要的资产业务，“信贷”占比与“抵押贷款”相比已是云壤之别。
但这些伴随大数据技术产生，大数据金融对抵押贷款发起的挑战，并对抵押贷款业务形成撼动
就像流传已久的一句话“未来得数据者得天下”。目前基于互联网金融的兴起，传统风控模式受到严峻考验，急需新的风控手段。
曾经的数据已远远不能满足。
作为信用数据的的主体，央行的个人征信中心收录的自然人数达8.6亿多人，但其中仅有3亿多人有信贷记录。信息有效性不足——信贷记录主要来源于商业银行和农村信用社等金融机构，在数据时效性、全面性和层次性上存在严重短板。
此时互联网大数据风控应运而生，主要是由于互联网数据具备覆盖面广、数据搜集相对简单便捷的天然条件，可以作为央行征信的有效补充。
传统信用风险评估模型是在原有业务逻辑架构下，利用数据驱动或专家经验，来开发模型模板，并结合统计分析模型得到精准的计量结果。所以，当需要解决互联网大数据的问题时，捉襟见肘。而在这个上面，作为后起之秀的互联网P2P平台确实取得了先机，对传统模式提出了挑战。
比如马上7周年的上海老牌网贷平台你我贷建立的风控模型，利用大数据分析，对贷款人立体采集、萃取风险因子、辨别信息真伪，从源头把控所有风险点。同时采用FICO（费埃哲）信用决策引擎并加入NFCS系统对接央行征信数据，精密计算评估具体信用等级，实时调整风险评级与信用评分，洞察潜在风险并采取全面有效应对方案。最后风控团队根据宏观环境、动态管理的实时变化，基于海量数据分析，对量化模型持续优化升级，为全生命周期风险管理体系提供最佳决策支持。
从另外一个方面，大数据技术的出现在逐步打破我们与传统金融间的隔阂。
曾经我们手中如果仅有1万的存款，我们仅能选择存在银行或者花掉，银行理财产品的门槛让我们望而却步。
据了解，你我贷在7周年活动里，自6月4日至6月13日，每天10点有2%的加息券可以领取（限量100张）。期间单日累计投资嘉财宝、嘉利宝满额，每天可获得1次返现，返现次日以现金券形式发放到账户（现金券激活后立刻到账）。6月14日至6月24日，你我贷用户每天还可以参加3次“周年红包雨”的活动。与我们熟知的银行理财以及宝宝类的货基产品相比，网贷行业的年化收益虽然历经降息，但依然更为亲民。
为何传统金融产品总显得不那么“亲民”？众所周知，金融行业中存在着一条“二八定律”，20%的高净值人群为银行创造了80%的利润。而服务高净值人群的成本与服务普通客户的成本基本相同，那么面对此种情况，设定准入门槛能够极大减少服务成本同时保持创造的利润不变。但伴随大数据的出现，机构公司所能捕捉利用数据种类与格式的更为丰富，金融市场中的交易逐步量化，才得以降低了服务成本，令金融服务走进了我们日常生活。
